使用动态全场光学连贯断层扫描和深度学习进行潜在的快速手术内癌症诊断:乳腺癌患者的前性队列研究
Shuwei Zhang1, Bin Yang2, Houpu Yang1
1Breast Center, Peking University People's Hospital, Beijing 100044, China.
Science bulletin
|May 3, 2024
概括
使用动态全场光学连贯断层扫描 (D-FFOCT) 和深度学习的新自动化工作流程使得在手术期间快速,无标签的乳腺癌诊断成为可能. 与传统病理学相比,这种方法显著减少了诊断时间,提高了手术精度.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 术内癌症诊断对于有效的手术至关重要.
- 像冷部分这样的传统方法耗时且资源密集.
研究的目的:
- 开发和验证近乎实时的自动化工作流程,用于在手术期间诊断床边乳腺癌.
- 将动态全场光学连贯断层扫描 (D-FFOCT) 与深度学习相结合,用于无标签的组织分析.
主要方法:
- 使用D-FFOCT成像进行了前性队列试验.
- 在来自182名患者的10,357个D-FFOCT图像补丁上训练了一种深度学习模型.
- 该模型在42名患者身上进行了独立测试,以对良性和恶性乳腺组织进行分类.
主要成果:
- 自动化工作流实现了高诊断性能:97.62%的准确性,96.88%的灵敏性和100%的特异性.
- D-FFOCT成像过程是非破坏性的,不需要组织准备或染色.
- 新的工作流将手术内评估时间缩短到大约3分钟,相比传统方法的30分钟.
结论:
- D-FFOCT和深度学习的结合提供了一种简化,快速和准确的在手术期间癌症诊断方法.
- 这种方法有可能取代或补充传统的病理学,提高手术效率和患者的结果.
- D-FFOCT的无标签,无破坏性特性增强了其在外科手术中的实用性.
